Article Per Year (5 Year)
p-Index From 2021 - 2026
3.069
P-Index
This Author published in this journals
All Journal Lontar Komputer: Jurnal Ilmiah Teknologi Informasi International Journal of Advances in Intelligent Informatics Science and Technology Indonesia JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Jurnal Infomedia MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Jurnal Serambi Engineering JURSIMA (Jurnal Sistem Informasi dan Manajemen) Indonesian Journal of Electrical Engineering and Computer Science jeti Jurnal Teknologi JURSIMA Journal Of Artificial Intelligence And Software Engineering Bulletin of Engineering Science, Technology and Industry
Arhami, Muhammad
Politeknik Negeri Lhokseumawe
Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Library & Information Science Materials Science & Nanotechnology Mechanical Engineering Physics Social Sciences

Published : 23 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Journal Of Artificial Intelligence And Software Engineering

 1 
DISAIN DAN PEMBANGUNAN APLIKASI SISTEM MANAJEMEN E-ADMINISTRASI GAMPONG Muhammad Irmansyah; Dwi Meilvinasvita; Muhammad Arhami; Husaini Husaini
Journal of Artificial Intelligence and Software Engineering Vol 2, No 2 (2022)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v2i2.3448

Abstract

Manajemen E-Administrasi Gampong Berbasis Web Responsive merupakan suatu terobosan terbaru dalam ilmu teknologi informasi dan komunikasi dalam hal meningkatkan kepuasan masyarakat akan kinerja pemerintah Gampong. Pelayanan terhadap manajemen administrasi terhadap surat-surat dan pelaporan surat menurut jenis surat dan tanggal, Adapun surat-surat yang dilayani ada 8 yaitu surat keterangan kurang mampu, surat keterangan usaha, surat keterangan belum menikah, surat keterangan berkelakuan baik, surat keterangan janda, surat pengantar duda, surat keterangan kehilangan. Biasanya masyarakat yang membutuhkan pelayanan surat-surat diharuskan mendatangi kantor, menjumpai pegawai yang bekerja dan mengantri. Hal ini tentunya akan banyak menghabiskan waktu. Untuk itu dibuat suatu sistem untuk mengatasi permasalahan tersebut yang melalui Disain dan Implementasi Manajemen E-Administrasi Gampong berbasis Web Responsive” yang dirancang dengan memakai framework CodeIgtiner atau dikenal dengan MVC (Model-view-controller). Dengan adanya sistem tersebut dapat membantu mengoptimalisasi pekerjaan yang terkait dengan administrasi di Pemerintahan Gampong dalam melayani proses manajemen administrasi kependudukan terhadap masyarakat dengan memanfaatkan teknologi informasi dan komputer.
Rancang Bangun Biodiversity Informatics dalam Analisa Sebaran Makhluk Hidup Berbasis Android dan GIS Rizaldo Setiawan; Huzaeni Huzaeni; Muhammad Arhami
Journal of Artificial Intelligence and Software Engineering (J-AISE) Vol 3, No 2 (2023)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v3i2.4590

Abstract

Indonesia, yang sering disebut sebagai "mega biodiversity country," menjadi rumah bagi lebih dari 17.000 spesies tumbuhan dan satwa liar yang mencakup ribuan jenis burung, reptil, amfibia, dan ikan. Kawasan hutan Aceh yang luas mencakup beragam ekosistem, dari hutan hingga lautan. Namun, pengelolaan data ekologi di wilayah ini menjadi suatu tantangan kompleks. Untuk mengatasi tantangan ini, pendekatan bio-informatika digunakan untuk mengelola data ekologi yang kompleks sehingga dapat dipahami oleh masyarakat umum. penelitian ini menggabungkan data ekologi sebagai sumber informasi utama dan data spasial sebagai dasar pemetaan spesies. Data ini kemudian diolah untuk menghasilkan analisis dalam bentuk grafik dan laporan yang berguna bagi peneliti dalam menjaga stabilitas ekosistem. Pendekatan bio-informatika ini tidak hanya membantu dalam mengumpulkan dan mengelola data ekologi, tetapi juga meningkatkan pemahaman kita tentang keanekaragaman hayati yang luar biasa di Aceh.Penelitian ini memiliki dampak besar dalam menjaga keberlanjutan lingkungan Aceh, membantu dalam pelestarian spesies yang terancam punah, dan memberikan dukungan penting bagi penelitian dan pemantauan ekologi di wilayah ini. Hasilnya dapat menjadi landasan penting dalam menjaga ekosistem Aceh tetap stabil dan berfungsi sebagai sumber informasi yang berharga bagi para peneliti dan masyarakat umum.Kata kunci - Keakenaragaman hayati, Aceh, ­bio-informaticsAbstractIndonesia, often referred to as a "mega biodiversity country," is home to more than 17,000 species of plants and wildlife, including thousands of birds, reptiles, amphibians and fish. Aceh's vast forested areas encompass a diverse range of ecosystems, from forests to oceans. However, managing ecological data in this region is a complex challenge. To overcome this challenge, bio-informatics approaches have been used to manage complex ecological data so that it can be understood by the general public. This research combines ecological data as the main source of information and spatial data as the basis for species mapping. This data is then processed to produce analysis in the form of graphs and reports that are useful for researchers in maintaining ecosystem stability. This bio-informatics approach not only helps in collecting and managing ecological data, but also enhances our understanding of Aceh's extraordinary biodiversity. This research has a major impact in maintaining Aceh's environmental sustainability, assisting in the preservation of endangered species, and providing important support for ecological research and monitoring in the region. The results can serve as an important foundation in keeping Aceh's ecosystems stable and serve as a valuable source of information for researchers and the general public.Keyword -  Biodiversity, Aceh, ­bio-informatics
Penerapan Metode SVM pada Klasifikasi Kualitas Air Salma Sheila Maulina Putri; Muhammad Arhami; Hendrawaty Hendrawaty
Journal of Artificial Intelligence and Software Engineering Vol 3, No 2 (2023)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v3i2.4630

Abstract

SVM adalah salah satu metode learning machine yang bekerja dengan prinsip Structural Risk Minimization (SRM) yang bertujuan untuk menemukan hyperplane terbaik yang memisahkan dua buah class pada input space. Dengan melihat konsep metode SVM yang bekerja dengan menemukan fungsi pemisah optimal yang bisa memisahkan dua set data dari dua kelas yang berbeda. Maka, dari konsep tersebut timbul permasalahan sejauh mana penerapan metode SVM mampu menyelesaikan masalah klasifikasi. Dalam penelitian ini klasifikasi yang dilakukan adalah klasifikasi kualitas air yang akan dinilai berdasarkan WQI (Water Quality Index). WQI didasarkan pada ambang batas rekomendasi World Health Organization (WHO) dengan Sembilan parameter meliputi PH, Hardness, Solids, Chloramines, Sulfate, Conductivity, Organic_Carbon, Trihalomathanes, dan Turbidity. Untuk itu, penelitian ini melakukan simulasi menggunakan metode SVM dengan pendekatan One-Versus-One (OVO) untuk mengevaluasi kemampuan metode tersebut dalam mengklasifikasi kualitas air. Hasil penelitian menunjukkan bahwa nilai performa SVM kernel linear dengan parameter optimum C = 1000 adalah 60%. Tingkat performa SVM kernel RBF dengan parameter optimum C = 1000 dan γ = 4 adalah 100%.  Tingkat performa SVM kernel polinomial dengan parameter optimum C = 1000 dan h = 5 adalah 98% dan Tingkat performa SVM kernel sigmoid dengan parameter optimum C = 1000 adalah 60%. Sehingga performa metode SVM terbaik untuk melakukan analisis klasifikasi data WQI pada Perumda Tirta Pase adalah kernel RBF dengan tingkat akurasi mencapai 100%.Kata kunci— Support Vector Machine, Klasifikasi, Kualitas Air, Water Quality IndexAbstractSVM is a machine learning method that works with the principle of Structural Risk Minimization (SRM) which aims to find the best hyperplane that separates two classes in the input space. By looking at the concept of the SVM method that works by finding the optimal separator function that can separate two data sets from two different classes. So, from this concept a problem arises to what extent the application of the SVM method is able to solve classification problems. In this study the classification used is the classification of water quality which will be assessed based on the WQI (Water Quality Index). WQI is based on the World Health Organization (WHO) recommendation threshold with nine parameters including PH, Hardness, Solids, Chloramines, Sulfate, Conductivity, Organic_Carbon, Trihalomathanes, and Turbidity. For this reason, this study conducted a simulation using the SVM method with the One-Versus-One (OVO) approach to evaluate the ability of this method to classify water quality. The results showed that the performance value of the linear kernel SVM with the optimum parameter C = 1000 was 60%. The performance level of the RBF kernel SVM with optimum parameters C = 1000 and γ = 4 is 100%. The polynomial kernel SVM performance level with optimum parameters C = 1000 and h = 5 is 98% and the sigmoid kernel SVM performance level with optimum parameters C = 1000 is 60%. So that the best performance of the SVM method for analyzing WQI data classification at Perumda Tirta Pase is the RBF kernel with an accuracy rate of up to 100%.Keywords— Support Vector Machine, Klasifikasi, Kualitas Air, Water Quality Index
Application of the Random Forest Method for UKT Classification at Politeknik Negeri Lhokseumawe Al Khaidar; Muhammad Arhami; Mustainul Abdi
Journal of Artificial Intelligence and Software Engineering Vol 4, No 2 (2024)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v4i2.6131

Abstract

Classification is the systematic grouping of objects, ideas, books, or other items into specific classes based on similar characteristics. One of its applications is in the grouping of tuition fees, which are fees paid each semester or academic year based on the student's economic ability. However, there are several issues, such as the placement of underprivileged students into fee groups that are still not appropriate and the limited accuracy of the grouping process due to it being done manually. To address these issues, a classification system was designed using the Random Forest method. Random Forest is a machine learning algorithm that combines multiple decision trees for more accurate predictions. Testing the Random Forest method using cross-validation shows an average accuracy of 95%. Evaluation with a confusion matrix shows an accuracy of 94%, with varying values of precision, recall, and f1-score for each group.
Co-Authors Ajeng Islamia Putri Al Khaidar Amalia, Ismi Anita Desiani Annisa Nur Fauza Anwar Anwar Azhar Azhar Kholiq Affandi Cut Adnin Nalisa Derry Fajirwan Des Alwine Zayanti Dwi Meilvinasvita Endang Sri Kresnawati Endro Setyo Cahyono Guntur Syahputra Hendrawati Hendrawati Hendrawaty Husaini Husaini Husaini Husaini Huzaeni Huzaeni Huzeni Huzeni Indra Mawardi Indrawati Indrawati Irmeilyana Irmeilyana Irvan Andrian Khairul Azman Khairunnisa Atami Mahdi Mahdi Muhammad Irmansyah Muhammad Muhammad Muhammad Nawawi Muhammad Nawawi Muhammad Rizka Muhammad Rizki Mustainul Abdi Nabila Mufida Nadia Ulfa Naufal Rachmatullah Naziruddin Naziruddin Nelly Safitri Ning Eliyati Novi Rustiana Dewi Qatrun Nada Renol Herwinsyah Rifkie Primartha Rizaldo Setiawan Safriadi Safriadi Salahuddin Salahuddin Salma Sheila Maulina Putri Shania Putri Andhini Simbolon, Zulfan Khairil Sugandi Yahdin Sugandi Yahdin Sugandi Yahdin Titania Jeanni Charissa Yuli Andirani Yulia Resti Zamzami Zhenyu Cui